王小明 1

• asked Apr 17

质量治理平台使用问题

质量治理平台发现了10万条“疑似”地址错误数据，但人工核实成本太高，平台有没有主动学习或优先级推荐的机制？

discussion

0 votes

1 answers

2 views

龙石-维玮 1

• asked Apr 17

分享｜如何建立质量评价体系，利用机器学习实现异常数据探查与自动修复。

根据知识库中的信息，建立一套科学的数据质量评价体系，并利用机器学习等技术实现异常数据探查与智能修复，是数据治理工作的核心环节。我为您梳理了基于我司产品与实践的方法和步骤。 一、 建立科学的数据质量评价体系 建立数据质量评价体系是进行有效治理的基础。依据相关国家标准、行业标准和地方标准，该体系应围绕数据全生命周期，覆盖从数据源头到应用的全过程。 明确评价维度与规则：体系应覆盖完整性、准确性、一致性、规范性、时效性等多个维度。具体规则包括但不限于： 完整性：空值检查、数据缺失检查...

discussion

0 votes

0 answers

2 views

龙石-维玮 1

• asked Apr 17

数据中台｜数据集成怎么做

数据中台的数据集成是遵循“理、采、存、管、用”建设方法论中“采”环节的核心实践，旨在将多源异构数据标准化处理后归集至数据仓库，为后续治理与应用奠定基础。 一、 核心流程与目标 数据集成遵循从调研到落地的标准化流程，目标是保证数据的准确性、完整性、一致性、可用性与及时性。 业务调研：在部署实施前，详细收集组织的业务数据，明确数据集成范围。 数据抽取：从多种数据源（如业务库、API、文件）中抽取数据。 转换与加载：对异构数据进行标准化处理，并加载到数据中台的贴源层（ODS）。 为...

discussion

0 votes

0 answers

1 views

龙石-维玮 1

• asked Apr 17

DCMM/DAMA 视角下的数据中台规划

在DCMM（数据管理能力成熟度评估模型）和DAMA（国际数据管理协会）权威框架指导下，龙石数据中台的整体规划与实践路径。 一、 核心理念与顶层设计 龙石数据中台的建设严格遵循DCMM和DAMA数据管理理论，并独创了“理、采、存、管、用”五阶方法论。这套方法论将顶层规划与落地实践相结合，旨在系统性地解决“数据看不见、读不懂、不一致、流不通、信不过”等核心痛点，帮助企业将数据转化为可用的核心资产。 二、 分阶段规划与实施路径 依据相关标准文档，我将五阶方法论细化为八大可执行步骤，...

discussion

0 votes

0 answers

5 views

龙石-维玮 1

• asked Apr 17

为什么组织需要做数据治理

各组织需要进行数据治理，核心原因在于其是应对数字化转型挑战、释放数据价值、保障组织稳健发展的战略性、基础性工程。数据治理旨在系统性地解决企业在数据使用中面临的普遍困境，并为数据驱动决策奠定可信赖的基础。 一、 应对现实困境，解决业务痛点 企业面临的数据困境并非孤立的技术问题，而是深刻影响业务流程、协同效率与战略决策的关键瓶颈。数据治理旨在直接解决以下普遍性挑战： 数据看不见（数据资产不清）：数据分散在各个孤立的系统中，管理者不清楚组织到底拥有哪些数据、数据在哪里、数据量如何，...

discussion

0 votes

0 answers

1 views

龙石-super 1

• asked Apr 17

数据治理到底 “管什么”

数据治理并非管理单一的数据对象，而是一套对数据资产行使决策权和控制权的顶层体系，旨在确保数据作为组织资产得到统一、合规和有效的管理。依据DAMA和DCMM权威框架，并结合龙石数据中台的实践，数据治理的核心是“管”好以下几个方面： 一、 管“规则”与“机制”（顶层设计） 这是数据治理的基石，确保所有数据活动有章可循。 管战略：明确数据管理的愿景、目标、范围和优先级，确保数据工作与业务战略对齐。 管组织：建立数据治理组织架构（如数据治理委员会、数据管理团队），明确各角色（如数据所...

discussion

0 votes

0 answers

2 views

龙石-super 1

• asked Apr 17

分享｜数据中台 + 数据治理怎么做

数据中台与数据治理是相辅相成的有机整体。数据中台是支撑数据治理工作落地与价值实现的技术平台和工具载体，而数据治理是为数据中台提供管理规则和价值导向的顶层体系。将两者结合，就是一套从顶层规划到技术落地的完整解决方案。 一、 核心理念：以“理采存管用”方法论为指导 依据相关标准文档，我建议遵循“理、采、存、管、用”五阶方法论来系统化推进，该框架融合了DCMM/DAMA等权威理论，并细化为可执行的八大步骤。 二、 实施路径：八大步骤，层层递进 定战略 & 建体系（顶层设计）...

discussion

0 votes

0 answers

1 views

龙石-super 1

• asked Apr 17

AI 用数智能体的核心原理

AI用数智能体的核心原理是以自然语言交互为入口，依托数据治理成果构建的标准化、高质量数据与知识体系，结合大语言模型（LLM）与多种AI技术，将用户的业务问题自动转化为可执行的数据查询与分析动作，并以直观形式呈现结果，从而实现数据随需获取、业务自助分析的智能化服务。 其核心原理可分解为以下四个关键环节： 一、 基础：高质量数据与知识准备 这是智能体准确工作的前提，直接依赖于前序的数据治理成果。 数据治理成果转化：智能体依赖元数据（描述数据含义、关系）、数据标准（统一业务术语、指...

discussion

0 votes

0 answers

1 views

龙石-晓宁 11

• asked Apr 17

分享｜如何采集工业网络数据，解决数据格式不一、填报低效的问题

数据中台工业数据采集与治理解决方案 依据相关标准文档和案例实践，我的数据中台提供了从数据接入、集成、清洗到统一治理的完整解决方案，可以有效应对您提到的挑战。以下是具体的实施路径和方法： 1. 全面接入工业网络多源异构数据 首先，需要解决“采”的问题，即如何将分散在不同工业网络和设备中的数据汇聚起来。 广泛的数据源支持：我的数据集成模块支持接入多种工业数据源，包括： 工业协议与数据库：支持从PLC、SCADA、DCS等系统通过OPC UA、Modbus等协议采集实时数据，并支持...

discussion

1 votes

0 answers

23 views

龙石-晓宁 11

• asked Apr 17

分享｜“数据血缘”到底怎么落地？

龙石数据中台「数据血缘」黑科技 家人们！👋 有没有过这种崩溃时刻——数据出问题了，翻来覆去查不到根源，不知道它从哪来、到哪去；想改个字段，又怕不小心影响下游一堆业务，敢动又不敢动？ 别慌别慌！今天就来给大家唠唠咱们龙石数据中台的「数据血缘」黑科技，专治各种数据“迷路”“踩坑”难题！不管你是数据治理小白，还是天天跟数据打交道的老司机，看完这波分享，保证让你对数据流转了如指掌，工作效率直接翻倍～ 话不多说，直接上干货！ 一、元数据自动采集：构建血缘基础 数据血缘分析的前提是获取全...

discussion

0 votes

0 answers

1 views